用AI实现隔墙“透视”，准确率达97%，这家中国公司研究入选CVPR

晓查 发自 凹非寺 量子位 报道 | 公众号 QbitAI

试想一下，自动驾驶汽车行驶到了拐弯处，即使激光雷达再强大，也无法探测到建筑物后的有什么事情发生，如果是突然有行人冲出来，后果不堪设想。

其实用激光结合强大的AI算法，可以帮你看到墙后究竟有没有人，甚至还能看出他的姿势。

最近，一家来自中国的AI创业公司合刃科技与华中科技大学、斯坦福大学等合作，尝试用墙壁散射的光去复原被遮挡数字，正确率最高能达到97%，整个过程不需要1秒，更适合用在需要实时处理的自动驾驶。

他们的论文《Direct Object Recognition Without Line-of-Sight Using Optical Coherence》已被CVPR 2019收录。

之前，量子位介绍过一种可以用墙面反射的复原屏幕内容的方法。而合刃科技提出的方法不需要复杂的图像重建过程，不仅能恢复简单的图像，甚至还能推测人体的姿势。

隔板猜物

研究人员给算法出了道难题，让它从拍摄白墙上的画面，推测黑色挡板背后屏幕上的内容。由于被拍摄物体和相机之间有不透明的障碍物，因此相机只能采集到挡板上漫反射的光。

上面的布局太复杂，简化后的示意图如下：

除了这种比较简单的情形，研究人员还给算法出了两道附加题：让激光来回反射绕过两堵墙，甚至还设计了一种“旋转的墙壁”。

由全息照片猜数字

激光与我们日常见到的日光、灯光不同，不仅能记录强度，还能记录相位信息，通俗地说就是能记录被拍物体的立体信息，与全息照相类似。

当携带MNIST数字信息的相干光经过挡板漫反射后，形成散斑图。虽然由散斑图复原物体有困难，但是可以用AI算法，对障碍物后面的数字变化进行实时识别。

仅仅能识别数字图像还不行，研究人员还尝试从散斑图找到中得到墙后面隐藏的人，已经他正处在什么姿势。

在处理图像时，AI算法用了两个网络：

1、SimpleNet，它用来对10个数字图像进行分类，包含4个卷积层，完全连接层中由1024个神经元。

由于全息图像的每个区域都包含被拍摄物体的全部信息，为了减小计算量，研究人员只选取照片中200×200的一小块区域，从拍摄的1万张照片中选取95%作为训练集，5%作为数据集。

2、ResNet-18，它用来对人体姿势进行分类。输入图像被裁剪至224×224。

准确率最高97%

在识别MNIST手写数字的实验中，算法的平均识别准确率均在91%以上，最高可达97%。

通过深度学习的AI算法处理，研究人员对12个人不用的10种姿势进行识别，得到的平均识别准确率为78.18%。

论文链接： https://arxiv.org/abs/1903.07705

作者系网易新闻·网易号“各有态度”签约作者

— 完 —